【GitModel】假设检验2-多元数值向量的检验学习笔记

本文内容根据Datawhale和GitModel开源学习教程整理,学习链接:https://github.com/Git-Model/Modeling-Universe/tree/main/Data-Story
感谢课程开发者的付出与贡献!

本节作业链接:戳我进入

3 多元数值向量的假设检验

  • 单变量问题和多变量问题的区别:
    • 单变量问题研究的是具体某一个指标的性质
    • 多变量问题将多个指标作为一个整体,用它们去描述一个对象的性质

3.1 均值向量的检验

  • 主要内容:
  1. 比较一组数据的总体均值向量与一个固定向量是否相等的检验
  2. 比较两组数据的总体均值向量之间是否相等的检验
  3. 比较两组以上的多组数据的总体均值向量之间是否相等的检验

3.1.1 单组样本均值向量假定的检验

  1. 单组样本均值向量检验与单组样本的均值检验类似,假定的对象从一个数值变成一个向量,可以使用单样本hotelling T2检验

    x 1 , ⋯   , x n x_{1}, \cdots, x_{n} x1,,xn 来一个 p p p 元正态分布的一个样本。对于单样本hotelling T2检验,我们做如下 两个假设:
    H 0 : μ = μ 0 ↔ H 1 : μ ≠ μ 0 H_{0}: \mu=\mu_{0} \leftrightarrow H_{1}: \boldsymbol{\mu} \neq \mu_{0} H0:μ=μ0H1:μ=μ0
    注意,这里的 μ \mu μ 是加粗的,代表向量
    检验统计量为:

    Test statistics = n − p p ( n − 1 ) T 2 , T 2 = n ( x ˉ − μ 0 ) ′ S − 1 ( x ˉ − μ 0 ) =\frac{n-p}{p(n-1)} T^{2}, T^{2}=n\left(\bar{x}-\mu_{0}\right)^{\prime} S^{-1}\left(\bar{x}-\mu_{0}\right) =p(n1)npT2,T2=n(xˉμ0)S1(xˉμ0)
    其中, S S S 样本的无偏协方差矩阵
    检验统计量服从分布 Test statistics ∼ F ( p , n − p ) \sim F(p, n-p) F(p,np)
    p值计算公式为 pvalue = P ( F > =P(F> =P(F> Test statistics ) ) )

    • 尽管备择假设的符号是 ≠ \neq =,但这里p值并不是双边p值,多元检验中p值形式的判断并不不能沿用一元均值检验的判断方法
  2. 举例Example5:想研究某地区农村2岁男婴的发育状况是否达到国家参考标准,于是抽取6名男婴并测量了他们的身高 x 1 x_{1} x1 、胸围 x 2 x_{2} x2 、上半臀围 x 3 x_{3} x3 。已知这三个指标的国家参考标准均值为 μ 0 = (

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值